| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-12页 |
| ·课题的研究背景和意义 | 第8-9页 |
| ·糖尿病饮食推荐系统国内和国外发展现状 | 第9-10页 |
| ·论文的主要工作 | 第10-11页 |
| ·论文的组织结构 | 第11-12页 |
| 第二章 推荐系统相关技术 | 第12-16页 |
| ·推荐系统简介 | 第12页 |
| ·推荐系统的构成 | 第12-13页 |
| ·推荐相关技术概述 | 第13-15页 |
| ·基于关联规则的推荐 | 第13-14页 |
| ·基于内容的推荐 | 第14页 |
| ·基于协同过滤的推荐 | 第14-15页 |
| ·各种推荐技术比较 | 第15-16页 |
| 第三章 改进的基于范例推理的协同过滤以及hadoop分布式计算 | 第16-40页 |
| ·协同过滤算法简介 | 第16-21页 |
| ·协同过滤原理 | 第16页 |
| ·协同过滤算法分类 | 第16页 |
| ·基于模型的协同过滤算法 | 第16-21页 |
| ·范例推理 | 第21-25页 |
| ·范例推理的特点 | 第22-23页 |
| ·范例推理原理和组成部分 | 第23-25页 |
| ·范例推理的主要应用领域 | 第25页 |
| ·对协同过滤算法的改进 | 第25-30页 |
| ·范例库的建立 | 第26页 |
| ·范例的检索与提取 | 第26页 |
| ·范例的记忆与学习 | 第26页 |
| ·范例库的调整 | 第26-28页 |
| ·通过协同过滤进行推荐 | 第28-30页 |
| ·实验及分析 | 第30-33页 |
| ·实验设计 | 第30-31页 |
| ·算法效果评价指标 | 第31-32页 |
| ·实验结果分析 | 第32-33页 |
| ·hadoop分布式计算环境 | 第33-40页 |
| ·为什么要使用hadoop | 第33-34页 |
| ·hadoop简介 | 第34-35页 |
| ·hadoop分布式环境搭建 | 第35-40页 |
| 第四章 系统的设计开发和实现 | 第40-63页 |
| ·相关技术架构 | 第40-42页 |
| ·SpringMVC | 第40页 |
| ·Android平台 | 第40-41页 |
| ·Mysql | 第41页 |
| ·Tomcat | 第41-42页 |
| ·软件架构设计 | 第42-44页 |
| ·系统总体架构 | 第42页 |
| ·后台支撑系统架构 | 第42-43页 |
| ·Android客户端设计架构 | 第43-44页 |
| ·开发环境介绍 | 第44页 |
| ·系统详细设计 | 第44-53页 |
| ·后台管理系统设计 | 第44-50页 |
| ·推荐功能设计以及用户自动评分规则 | 第50-53页 |
| ·数据库设计 | 第53-54页 |
| ·数据库E-R图 | 第53页 |
| ·数据库主要表结构设计 | 第53-54页 |
| ·系统的实现 | 第54-63页 |
| ·后台管理系统实现 | 第54-58页 |
| ·患者APP实现 | 第58-63页 |
| 第五章 总结 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 在学期间的一些研究成果 | 第68-69页 |
| 致谢 | 第69页 |